Patrick Giuliano, 수석 분석 기술 지원 엔지니어, JMP(SAS)
Mason Chen, 블랙 벨트 학생, Stanford University OHS
Charles Chen, Master Black Belt / 지속적인 개선 전문가, Applied Materials
JMP 16 이상값 및 분위수 상자 플롯(분포), 분위수 범위 이상값 및 로버스트 적합 이상값 감지(스크리닝)를 통해 우리는 단변량 응답이 있는 경우 노이즈에서 신호를 강력하게 분리하는 포괄적인 전략을 제시합니다.또한 Box Plot을 통한 실제적인 분석을 통해 Gauge R&R 노이즈 영향과 상부 및 하부 펜스에 가장 인접한 지점의 위치를 연결할 수 있음을 제안합니다. 우리는 Monte Carlo 샘플링(random() 함수 및 순간 열 fFormulas)을 사용하여 정규성 위반 실패 모드를 감지하기 위해 상자 플롯과 히스토그램에 대한 영향을 함께 검증하기 위해 여러 분포 유형(정상, 균일, 정점, 이중 모드)을 생성합니다.
우리는 상자 그림이 데이터 분포를 판단하는 강력한 시각화 도구이며, 특이치와 왜도를 구분하는 고유한 도구임을 보여줍니다. 그래프 빌더, 단방향, GoF 및 비모수 가설 테스트는 상자 플롯이 이봉성, 첨도를 감지하거나 가설 테스트 결정을 도출하는 데 매우 약하기 때문에(샘플 크기 결측 효과) 시각화하기 위해 히스토그램과 상자 플롯이 모두 필요함을 보여줍니다. 정상.기술 통계와 함께 서로 다른 후보 분포 간의 가장 강력한 구별이 제시됩니다.마지막으로, 우리는 데이터 기반 문제 해결을 위한 상자 그림의 유용성을 극대화하기 위해 17개의 생각을 자극하는 퀴즈 질문과 답변을 공식화하여 학습 경험을 종합하고 시연합니다.
